利用正-未标记学习提升基于云的 DDoS 检测：比较分析
机器学习
2024-11-12 v2 密码学与安全
摘要
本文探索了正-未标记 (PU) 学习在云环境中增强分布式拒绝服务 (DDoS) 检测中的应用。利用 数据集，我们实现了基于四种机器学习算法的 PU 学习：XGBoost、随机森林、支持向量机和朴素贝叶斯。我们的结果表明，集成方法表现优越，XGBoost 和随机森林的 分数超过 98%。我们使用包括 分数、ROC AUC、召回率和精确率在内的指标量化了每种方法的有效性。这项研究填补了 PU 学习与云基异常检测之间的空白，为解决多云环境中的情境感知 DDoS 检测提供了基础。我们的发现突显了 PU 学习在数据标记有限的场景中的潜力，为开发更健壮和自适应的云安全机制提供了宝贵见解。
引用
@article{arxiv.2410.18380,
title = {Harnessing PU Learning for Enhanced Cloud-based DDoS Detection: A Comparative Analysis},
author = {Robert Dilworth and Charan Gudla},
journal= {arXiv preprint arXiv:2410.18380},
year = {2024}
}